极道
·
近期国外大科技公司工程文摘
💡
原文中文，约2500字，阅读约需6分钟。
📝
内容提要
近期国外大科技公司发布了一系列重要的工程文摘，包括Meta发布的最有能力的公开大模型介绍，Netflix的视频编码Cosmos微服务，Doordash的产品知识图谱构建经验，Booking在Google Cloud上采用Airflow的经验教训，以及Canva的内容使用计数服务、ASOS的推荐转型和Expedia的系统设计中代码级可扩展性的本质。
🎯
关键要点
- Meta发布了最有能力的公开大模型Llama 3，讨论其性能和架构。
- Canva构建了可扩展的内容使用计数服务，介绍了架构演变和面临的挑战。
- Netflix的Cosmos微服务分为API层、工作流层和计算层，强调短发布周期和自动化部署。
- DoorDash利用大型语言模型构建产品知识图谱，改善客户购物体验。
- Booking在Google Cloud上采用Airflow，分享了迁移过程和性能调整经验。
- ASOS应用Transformer技术进行时尚推荐，提升了推荐系统的性能。
- Expedia探讨了系统设计中代码级可扩展性的本质，强调代码库的复杂性。
- Netflix开发了反向搜索功能，利用Elasticsearch进行电影分类和工作流程分配。
- KubeCon EU 2024讨论了GitOps、AI炒作和可调试性等技术趋势。
❓
延伸问答
Meta发布的Llama 3模型有什么特点？
Llama 3是Meta发布的最有能力的公开大模型，具有8B和70B参数，支持在多个主要平台上部署。
Canva是如何构建内容使用计数服务的？
Canva通过引入OLAP数据库和演变架构，构建了可扩展的内容使用计数服务，并面临数据迁移和架构变更的挑战。
Netflix的Cosmos微服务有哪些层次结构？
Netflix的Cosmos微服务分为API层、工作流层和计算层，强调短发布周期和自动化部署。
DoorDash如何利用大型语言模型改善客户体验？
DoorDash使用大型语言模型从非结构化数据中提取产品属性，标准化和丰富零售目录，从而改善客户购物体验。
ASOS的推荐系统是如何利用Transformer技术的？
ASOS的推荐系统应用Transformer技术，通过自我注意力和位置意识捕捉客户风格和互动，提升推荐性能。
Expedia在系统设计中强调了什么？
Expedia强调代码库的复杂性决定了系统的适应性、可扩展性和可持续性，设计与代码的和谐结合至关重要。
➡️
